Demucs এবং HT-Demucs সঙ্গীত উৎস পৃথকীকরণ
Demucs হল Meta এর ওপেন সোর্স মিউজিক সোর্স সেপারেশন মডেল; হাইব্রিড ট্রান্সফরমার ডেমুক্স (HT-Demucs) ওয়েভফর্ম এবং স্পেকট্রোগ্রাম প্রক্রিয়াকরণ ব্যবহার করে গানকে ভোকাল, ড্রাম, খাদ এবং অন্যান্য কান্ডে বিভক্ত করে।
গভীর ডুব
Demucs (মিউজিক সোর্সের জন্য ডিপ এক্সট্র্যাক্টর) ক্লাসিক "আন-মিক্সিং" সমস্যা মোকাবেলা করে: একটি চূড়ান্ত স্টেরিও রেকর্ডিং থেকে পৃথক যন্ত্র ট্র্যাক পুনরুদ্ধার করা। প্রারম্ভিক সংস্করণগুলি একটি তরঙ্গ-ডোমেন ইউ-নেট ব্যবহার করেছিল যা সরাসরি কাঁচা অডিও নমুনাগুলিতে কাজ করেছিল, যা ফেজ তথ্য সংরক্ষণ করে যা স্পেকট্রোগ্রাম পদ্ধতিগুলি প্রায়শই হারায়। বহুল ব্যবহৃত হাইব্রিড ডেমুকস এবং পরবর্তীতে হাইব্রিড ট্রান্সফরমার ডেমুকস (HT-Demucs) একই সাথে ওয়েভফর্ম এবং স্পেকট্রোগ্রাম ডোমেনে অডিও প্রক্রিয়া করে, তারপর সেগুলিকে ফিউজ করে এবং মডেল লং-রেঞ্জ স্ট্রাকচারে ক্রস-ডোমেন ট্রান্সফরমার মনোযোগ যোগ করে। MUSDB18 ডেটাসেট এবং অতিরিক্ত ডেটাতে প্রশিক্ষিত, Demucs একটি মিশ্রণকে চারটি কান্ডে (ভোকাল, ড্রাম, বেস, অন্যান্য) আলাদা করে এবং এটি একটি ডিফল্ট টুল হয়ে উঠেছে কারণ এটি ওপেন সোর্স, ভোক্তা GPU-তে চলে এবং বিচ্ছেদ বেঞ্চমার্কে ধারাবাহিকভাবে শীর্ষের কাছাকাছি স্কোর করে।
প্রযুক্তিগত অন্তর্দৃষ্টি
হাইব্রিড ডেমুকস দুটি সমান্তরাল এনকোডার-ডিকোডার শাখা চালায়: একটি টাইম-ডোমেন ওয়েভফর্মে এবং একটি STFT স্পেকট্রোগ্রামে। বৈশিষ্ট্যগুলি শাখাগুলির মধ্যে বিনিময় করা হয় এবং একত্রিত হয়, তাই মডেলটি তরঙ্গরূপের সুনির্দিষ্ট পর্যায় এবং বর্ণালীগ্রামের স্পষ্ট ফ্রিকোয়েন্সি কাঠামোকে কাজে লাগায়। হোল্ড-আউট গানে ডেসিবেলে সিগন্যাল-টু-ডিস্টরশন রেশিও (SDR) দিয়ে গুণমান পরিমাপ করা হয়। ট্রান্সফরমার ভেরিয়েন্টটি সেকেন্ড জুড়ে বাদ্যযন্ত্রের প্রসঙ্গ ক্যাপচার করতে স্ব- এবং ক্রস-মনোযোগ যোগ করে।
কৌশলগত প্রভাব
অ্যাক্সেস এবং পৌঁছানো
এটি ট্রান্সক্রিপশন, বর্ণনা এবং ভয়েস ইন্টারফেসের মাধ্যমে অ্যাক্সেসযোগ্যতা উন্নত করে।
খরচ ও বাজেট
মিডিয়া দলগুলি ছোট বাজেটের সাথে পালিশ করা অডিও দ্রুত পাঠাতে পারে।
গতি এবং স্কেল
গ্রাহক-মুখী সিস্টেমগুলি বৃহত্তর স্কেলে কথ্য মিথস্ক্রিয়া প্রক্রিয়া করতে পারে।
দ্য ফিউচার অফ ডেমুক্স এবং এইচটি-ডেমুক্স মিউজিক সোর্স সেপারেশন
উত্স বিচ্ছেদ আরও কান্ডের দিকে অগ্রসর হচ্ছে (স্বতন্ত্র গিটার, পিয়ানো বা এমনকি নির্দিষ্ট গায়ককে আলাদা করা), রিয়েল-টাইম এবং অন-ডিভাইস অপারেশন, এবং টেক্সট-প্রম্পটেবল সেপারেশন ("স্যাক্সোফোন আলাদা করুন")। আরও ভাল মডেলগুলি জলীয় শিল্পকর্মগুলিকে কমিয়ে দেবে যা এখনও ঘন মিশ্রণে প্রদর্শিত হয়। গুণমান বৃদ্ধির সাথে সাথে, DAWs, কারাওকে এবং রিমিক্স অ্যাপস এবং সঙ্গীত শিক্ষার সরঞ্জামগুলিতে গভীর একীকরণের আশা করুন, যে কোনও শিল্পীর বিচ্ছিন্ন কণ্ঠস্বর পরিষ্কারভাবে বের করার কপিরাইট এবং সম্মতির প্রভাব সম্পর্কে চলমান বিতর্কের পাশাপাশি।
বাস্তব-বিশ্ব বাস্তবায়ন
প্রযোজক এবং রিমিক্সাররা মুক্তিপ্রাপ্ত ট্র্যাকগুলি থেকে পরিষ্কার অ্যাকাপেলা বা যন্ত্রগুলি বের করে
ব্যাকিং ট্র্যাক তৈরি করতে কারাওকে অ্যাপগুলি উড়তে থাকা সীসা ভোকালগুলিকে সরিয়ে দিচ্ছে৷
সংগীতশিল্পীরা একটি বেসলাইন বা ড্রামের খাঁজ আলাদা করে প্রতিলিপি বা অনুশীলনের জন্য
অডিও পুনরুদ্ধার এবং স্যাম্পলিং ওয়ার্কফ্লো যা একটি পুরানো মিশ্রণ থেকে একটি যন্ত্র তুলে নিতে হবে
ঝুঁকি এবং প্রহরী
সম্মতি অনুপস্থিত হলে ভয়েস অপব্যবহার এবং ছদ্মবেশের ঝুঁকি বেড়ে যায়।
উচ্চারণ, উপভাষা বা কোলাহলপূর্ণ পরিবেশে যথার্থতা হ্রাস পেতে পারে।
সিন্থেটিক অডিও পরিষ্কার লেবেল ছাড়া খাঁটি বক্তৃতা হিসাবে ভুল হতে পারে।
বাস্তবায়ন রোডম্যাপ
ভয়েস ক্যাপচার, ক্লোনিং এবং পুনঃব্যবহারের জন্য সুস্পষ্ট সম্মতি পান।
বিভিন্ন স্পিকার এবং ব্যাকগ্রাউন্ড কন্ডিশন জুড়ে মান পরীক্ষা করুন।
কখন একজন মানুষকে আউটপুট পর্যালোচনা বা অনুমোদন করতে হবে তা নির্ধারণ করুন।
সিন্থেটিক অডিও লেবেল করুন এবং দায়বদ্ধতার জন্য মূল রেকর্ড রাখুন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Demucs and HT-Demucs Music Source Separation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
ওপেন-আনমিক্স মিউজিক সেপারেশন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Demucs and HT-Demucs Music Source Separation?
Demucs হল Meta এর ওপেন সোর্স মিউজিক সোর্স সেপারেশন মডেল; হাইব্রিড ট্রান্সফরমার ডেমুক্স (HT-Demucs) ওয়েভফর্ম এবং স্পেকট্রোগ্রাম প্রক্রিয়াকরণ ব্যবহার করে গানকে ভোকাল, ড্রাম, খাদ এবং অন্যান্য কান্ডে বিভক্ত করে।
Demucs একটি সমাপ্ত গান কি করে?
Demucs মিউজিক সোর্স সেপারেশন করে, একটি স্টেরিও মিক্সকে পৃথক যন্ত্র এবং ভোকাল স্টেমে বিভক্ত করে।
হাইব্রিড ডেমুকে কি 'হাইব্রিড' করে তোলে?
হাইব্রিড ডেমুকস একটি টাইম-ডোমেন ওয়েভফর্ম শাখা এবং একটি স্পেকট্রোগ্রাম শাখাকে একত্রিত করে, তাদের শক্তিগুলিকে একত্রিত করে।
কোন মেট্রিক সাধারণত বিচ্ছেদ গুণমান মূল্যায়ন ব্যবহার করা হয়?
SDR, ডেসিবেলে পরিমাপ করা হয়, আনুমানিক স্টেম কতটা পরিচ্ছন্নভাবে প্রকৃত উৎসের সাথে মেলে তা পরিমাপ করে।
কোন সংস্থা মূলত Demucs মুক্তি পায়?
Demucs Meta AI/FAIR-এর গবেষকদের দ্বারা বিকশিত এবং উন্মুক্ত-সোর্স করা হয়েছে।
কেন প্রাথমিক ডেমুক সরাসরি কাঁচা তরঙ্গরূপের উপর কাজ করেছিল?
ওয়েভফর্ম ডোমেনে অপারেটিং ফেজ সংরক্ষণ করে, যা স্পেকট্রোগ্রাম-ম্যাগনিটিউড পদ্ধতি প্রায়শই বাতিল করে এবং অনুমান করতে হয়।